Εφαρμογή σύγχρονων τεχνικών υπολογιστικής νοημοσύνης Cat Swarm Optimization (CSO) για την αποδοτική επίλυση του προβλήματος Curriculum based Course Timetabling.

  1. MSc thesis
  2. ΤΣΟΓΚΑ, ΠΑΡΘΕΝΙΑ
  3. Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ)
  4. 18 Σεπτεμβρίου 2021 [2021-09-18]
  5. Ελληνικά
  6. 90
  7. ΜΠΕΛΗΓΙΑΝΝΗΣ, ΓΡΗΓΟΡΙΟΣ
  8. ΑΛΕΦΡΑΓΚΗΣ, ΠΑΝΑΓΙΩΤΗΣ | ΚΑΛΛΕΣ, ΔΗΜΗΤΡΙΟΣ
  9. Cat Swarm Optimization | Ωρολόγια προγράμματα Πανεπιστημίων
  10. 5
  11. 18
  12. Πίνακες
    • Ο τίτλος της παρούσας διπλωματικής εργασίας είναι «Εφαρμογή σύγχρονων τεχνικών υπολογιστικής νοημοσύνης Cat Swarm Optimization (CSO) για την αποδοτική επίλυση του προβλήματος Curriculum based Course Timetabling και σκοπός της είναι να σχεδιαστεί, υλοποιηθεί και αξιολογηθεί ένας αλγόριθμος Υπολογιστικής Νοημοσύνης ο οποίος θα παράγει ποιοτικά ωρολόγια προγράμματα. Ο αλγόριθμος που χρησιμοποιήθηκε είναι σμήνους και πιο συγκεκριμένα ο Cat Swarm Optimization όπως αυτός παραγοντοποιήθηκε για να παραχθεί το καλύτερο δυνατό αποτέλεσμα. Ο CSO προσαρμόστηκε στο πρόβλημα του Curriculum Based Course Timetabling και βελτιστοποιήθηκε περαιτέρω µε διάφορες τεχνικές. Υλοποιήθηκε σε περιβάλλον Matlab και εφαρμόστηκε πάνω σε δεδομένα που προέρχονται από το διεθνή διαγωνισμό International Timetabling Competition που διεξήχθη το 2007. Η αξιολόγηση των ωρολογίων προγραμμάτων που παρήχθησαν πραγματοποιήθηκε χρησιμοποιώντας μετρήσιμα κριτήρια και ο αλγόριθμος CSO που προτάθηκε επιλύει το πρόβλημα και προσεγγίζει αρκετά τη βέλτιστη λύση, παράγοντας σε ικανοποιητικό χρονικό διάστημα ποιοτικά ωρολόγια προγράμματα, όπου υπερτερούν συγκριτικά με εκείνα που παράγουν άλλοι παρόμοιοι αλγόριθμοι.
    • Summary The title of this dissertation is “Application of modern computational intelligence techniques” Cat Swarm Optimization (CSO) to efficiently solve the Curriculum based Course Timetabling problem and its purpose is to be designed, to be implemented and to be evaluated a Computational Intelligence algorithm that will produce quality educational timetables. The algorithm used is swarms and more specifically the Cat Swarm Optimization as it was configured to produce the best possible result. The CSO was adapted to the Curriculum Based Course Timetabling problem and further optimized with various techniques. It was implemented in Matlab environment and applied on data coming from the International Timetabling Competition held in 2007. The evaluation of the program schedules produced was carried out using measurable criteria and the proposed CSO algorithm solves the problem and is quite close to the optimal solution, producing in a satisfactory period of time quality program programs, which are superior to those produced by other similar algorithms. Keywords: Artificial Intelligence, Computational Intelligence, Algorithms, Swarm Algorithm, Cat Swarm Optimization, Timetabling Problem, University Department Schedules
  14. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.